Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于机器学习的复杂装备备品备件管理方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:安徽三禾一信息科技有限公司

摘要:本发明公开了基于机器学习的复杂装备备品备件管理方法及系统,属于装备备品备件管理方法领域,装备状态的好坏和装备状态随产量的增加而逐步恶化的过程都能通过TQI数据及装备恶化率准确地反映出来,所以制定综合维修计划的主要依据应是TQI值,同时还须从维修效率、维修历史和装备病害等情况综合分析,制定合理的维修计划;利用TQI值制定维修计划应注意以下几方面的要点:首先,科学制定维修计划;围绕TQI值预测轨道未来变化趋势,为装备综合养护维修时间提供科学依据。

主权项:1.基于机器学习的复杂装备备品备件管理方法,其特征在于,包括以下步骤:S1、根据领域专家经验,定义关键备件的筛选标准集合,该集合的权重根据AHP方法确定;S2、选取不同专业的领域专家,分别对备件类型全集进行模糊评价;S3、根据模糊评价的结果,进行关键备品的筛选;S4、综合描述监测时间段内装备运行质量指数TQI值;对装备运行整体状况进行监控和评分,以确保装备整体稳定运行为目的;通过测量时间段中所有关键备品的数值,将统计数值进行加权运算得到综合数据,用以评定该时间段装备运行整体水平;S5、根据S4中的装备运行质量指数TQI值,建立TQI数据库,通过数据,绘制TQI装备运行状态图,正确预测轨道变化趋势;S6、考虑维修周期和现场实际情况,制定维修计划,并确定最小维修范围,建立拟合模型;所述S6中制定维修计划,选择维修时间为自变量,TQI值为应变量,建立拟合模型如下: 式中,βo和β1为模型参数,为随机误差项,表示各种随机误差因素对y的综合影响;S7、根据上述拟合模型,建立离散数学装备运行优化模型,该模型包括测量装备运行整体状况的变化、假设维修更换备件方案对于装备运行整体状况的影响和获得最优维修方案;所述S7中测量装备运行整体状况的变化采用MUS模型,该模型的数据是装备运行质量指数TQI值、MUS模型时间段长度和每个时间段长度上装备整体结构损坏记录,具体公式如下: 其中,Lm为区段长度,vi为二进制变量,ri为维修效果的提高量和叠加值;所述S7中假设维修更换备件方案对于装备运行整体状况的影响采用OTMS模型结构,该模型的数据是装备运行质量指数TQI值、维修的关键备品和维修时间段的选择,由OTMS模型确定出需要用的装备维修的关键备品和时间段后,在每个月的修复季度内完成养护维修工作;维修装备是保持装备的稳定运行,在估计整个维修期间前后高低的值β时,OTMS模型的具体公式如下: 其中,j表示修复时间段,k表示修复季度,m表示修复月份,Smkj表示经过预测维修后装备运行质量指数提高值;S8、根据S7中获得的最优维修方案调整关键备品的库存。

全文数据:

权利要求:

百度查询: 安徽三禾一信息科技有限公司 基于机器学习的复杂装备备品备件管理方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。